一种内燃机滚动轴承振动信号降噪方法

滚动轴承是内燃机中重要的零部件之一,其发生故障时振动信号中的故障信息往往会被噪声淹没。为此应用多点优化最小熵解卷积修正(MOMEDA)增强信号中的故障脉冲成分:首先系统介绍MOMEDA的基本原理,随后通过仿真信号在理论上对其有效性进行分析,最后设计滚动轴承内圈模拟点蚀故障试验证明其在故障特征提取中的作用。结果表明,经MOMEDA降噪处理后,信号的故障冲击成分得到明显突出,能够为后续的故障诊断工作提供方便。     

滚动轴承的振动特性分析及典型故障诊断

滚动轴承的固有振动、轴承加工安装引起的振动和在运行时故障引起的振动是它的三种主要振动类型,其振动的频谱结构因此有高频段、中频段和低频段三个部分.通过实验测试滚动轴承的振动特性,并采用功率谱和小波变换对振动信号进行分析,从而识别出滚动轴承的滚动体缺损、内滚道点蚀和外滚道点蚀三种典型故障.     

滚动轴承故障的振动信号诊断方法

针对滚动轴承损伤类故障振动信号的特点,充分利用HMM、SVM在序列行为的分类和小样本方面的优势,把SVM的输出转化为HMM中观察值概率矩阵模型,建立了动态过程时间序列分类器,提高模型的学习速度和分类性;基于对包络解调信号提取AR模型参数构建的用于训练和故障识别的特征矢量,提出了一种基于SVM-HMM混合算法的滚动轴承故障诊断方法.将该方法应用到滚动轴承故障诊断中取得了较好的效果.     

拟合故障振动信号模型实现滚动轴承故障诊断

针对传统故障诊断流程的缺点,提出通过拟合故障振动信号模型实现滚动轴承故障诊断,并在风力发电机组齿轮箱故障诊断中验证了有效性和实用性。首先根据滚动轴承发生故障时振动信号的特点,提出故障振动信号模型,然后通过遗传算法对该模型做数据拟合,拟合数据来自EMD(Empirical Mode Decomposition)方法对原始振动信号分解所得IMF(Intrinsic Mode Function)分量,最后将拟合结果和轴承各部件的故障特征频率作对比,可知损伤点所在部位。通过仿真、实验和现场信号的分析,验证了可通过拟合故障振动信号模型实现故障部位的准确诊断。     

齿轮箱中滚动轴承故障振动信号的提取

应用一种自适应滤波技术,即自适应谱线增强技术从齿轮箱的振动信号中提取滚动轴承故障振动信号.实例表明,该方法能够有效地排除齿轮啮合振动等干扰噪声,提高轴承故障振动信号的信噪比,有利于准确诊断齿轮箱中滚动轴承的故障.     

滚动轴承振动统计特性分析

利用微机数据采集和分析系统，以数字信号处理技术，全面地研究了滚动轴承振动的统计特性。正常轴承的振动加速度信号是服从正态分布的零均值随机信号，信号的均方根值能正确地描述轴承振动的烈度，鉴别产品的质量水平，它和幅值分布的峭度系数可用于轴承的工况监测和故障诊断。     

滚动轴承振动信号的非线性分形特性研究

为研究球轴承振动信号的非线性分形特性,对Hurst指数及多重分形计算分形特征的方法进行改进。采用2次分割充分利用数据,并对不同状态振动的Hurst指数和多重分形谱的变化规律进行了仿真及试验研究。结果表明:正常状态振动呈现正的持续性,故障状态振动具有反持续性,故障状态振动的波动影响范围比正常状态振动的小;振动信号具有不均匀的自相似性(即多重分形特征),振动状态与多重分形谱的形状之间存在着对应关系。     

滚动轴承故障信号在复杂路径中的传递特性分析

复杂传递路径的存在会降低滚动轴承故障信号采集的准确性和有效性.针对此问题,建立了包含局部缺陷滚动轴承、弹性支撑、油膜减振器和多层螺栓法兰连接的动力学仿真模型,研究了滚动轴承故障信号在复杂路径中的传递特点.采用滚动轴承故障模拟平台进行滚动轴承外圈故障实验,对比动力学仿真数值计算和实验分析的结果,验证了仿真结果的准确性.借助典型的特征参数值,对比了不同测点处信号的特点,并重点分析了油膜减振器的影响.研究结果表明,复杂传递路径会导致故障信号在传递过程中产生较大的衰减,油膜减振器的存在会进一步加剧信号的衰减,不利于滚动轴承故障信号的有效传递.     

基于自相关分析和LMD的滚动轴承振动信号故障特征提取

滚动轴承的故障信号是非平稳的、多分量的调制信号,特别是故障早期,由于调制源弱,早期故障信号微弱且受周围设备的噪声干扰,导致故障特征难以识别。采用自相关分析和局域均值分解（LMD）方法提取故障特征。首先采用自相关分析提取信号中的周期成分,消除噪声的干扰,然后利用局域均值分解方法将多分量的调制信号分解为若干个PF分量之和,再结合共振解调技术对PF分量进行包络分析以提取故障特征频率。实验证明了方法的有效性。     

MED在内燃机滚动轴承振动信号处理中的应用

滚动轴承是内燃机中重要的零部件之一,其发生故障时振动信号中的故障特征往往会被随机噪声严重淹没,从而明显加大故障诊断的难度。为此选用最小熵解卷积(MED)对振动信号的故障脉冲成分进行增强:首先深入研究MED的降噪原理,随后通过仿真分析在理论上对其有效性进行验证,最后结合轴承内圈模拟点蚀故障试验证明MED在故障诊断中的实际应用价值。结果表明从MED处理后的信号中可以清晰识别滚动轴承故障特征频率,由此验证了MED的有效性和实用性。     

滚动轴承振动信号的非线性分形特性研究北大核心

为研究球轴承振动信号的非线性分形特性,对Hurst指数及多重分形计算分形特征的方法进行改进。采用2次分割充分利用数据,并对不同状态振动的Hurst指数和多重分形谱的变化规律进行了仿真及试验研究。结果表明:正常状态振动呈现正的持续性,故障状态振动具有反持续性,故障状态振动的波动影响范围比正常状态振动的小;振动信号具有不均匀的自相似性(即多重分形特征),振动状态与多重分形谱的形状之间存在着对应关系。     

滚动轴承振动信号处理方法综述

针对轴承振动信号处理的各种方法进行了全面综述,研究了轴承振动信号处理的时域分析法和频域分析法,指出时域参数的具体用法和适用范围,以及各种频域分析方法的优缺点;阐述了时频分析方法,该方法克服了时域与频域分析不能反映信号局部特征的缺陷,且对非平稳的故障信号有较强的处理能力;介绍了一些特殊的分析方法,对一些具体的轴承振动信号问题有较好的处理效果.分析现有的轴承振动信号处理方法,表明各种分析方法取长补短综合运用以及新技术、新理论的应用,将会是轴承振动信号处理方法未来的发展方向.     

滚动轴承振动信号采集与数据处理系统

符号说明Ｌ2(Ｒ)平方可积函数空间^Ｘ(ｋ)ｘ(ｉ)的离散傅里叶变换ｆ(ｔ)任一函数或信号Ｒ(τ)自相关函数^ｆ(ｗ)ｆ(ｔ)的傅里叶变换Ｔ采样周期Ｎ实际采样点数^Ｓ(ｗ)功率谱密度函数ｘ(ｉ)计算机采集的轴承振动离散数字信号ｔ时间滚动轴承的振动是影响其质量的一个重要因素,如何区分由滚道损伤、滚动体损伤和润滑脂杂质等原因引起的非正常振动,并进一步分析确定由何道工序所引起的,以便采取相应的措施减少振动,是提高产品质量的一个重要途径。本系统的建立,克服了只能凭借操作员眼看、耳听的经验来判断轴承是否合格的缺点,通过对轴承振动信号…     

滚动轴承故障包络信号分析及物理模拟

为解决机械系统中滚动轴承故障的准确有效判断与监测等问题,采用振动诊断法对其振动模型和包络解调谱法的可行性进行了理论分析.设计了滚动轴承故障模拟实验,以典型故障为例,利用以希尔波特变换为基础的包络解调谱法对所获取的信号进行处理,结果验证了该方法的有效性和优越性.为滚动轴承的在线检测提供了理论依据.     

滚动轴承故障信号的多尺度形态学分析

数学形态分析是数字信号处理的一种非线性分析方法,滚动轴承故障信号是一种非线性非平稳信号.为了提取不同类型故障特征,利用多尺度形态学分析对滚动轴承故障振动信号建立一种不同于时频分析的信号特征描述方法.采用多尺度形态开运算得到故障信号的形态谱,定量反映了信号在不同尺度下的形态变化特征;由形态谱曲线计算形态谱熵,定量描述不同信号的形态特征.通过试验数据的分析以及与峭度和共振包络解调方法的对比,表明多尺度形态学分析方法计算效率高,特征描述准确简单,为轴承故障信号的分析、识别和分类提供了新的思路.     

滚动轴承非线性振动特性探讨

主要研究了滚动轴承支承转子系统的非线性振动及相关的轴承破坏问题。采用滚动轴承的非线性刚度表达式，建立了滚动轴承支承刚性转子系统的力学模型和数学模型；通过对数学模型的求解，得出了系统振动的反应曲线和骨干曲线；揭示了滚动轴承的非线性振动是其高速运转时破坏的原因之一，并从理论上解释了球轴承和滚子轴承的动力特性差异。附图４幅，参考文献３篇。     

内燃机振动信号复杂度的定性描述

内燃机振动信号的复杂度与工作状态、输入状态、机器本身特性有关。本文对内燃机振动信号复杂度的描述问题进行了研究；伪相图、吸引子图和递归图可以对缸盖振动信号复杂程度进行定性描述，可以看作是反映机器工作状况的一个总体特征。     

滚动轴承故障特征信号的提取

详细分析了故障轴承产生的振动信号特征，提出了一种滚动轴承故障检测的信号处理方法，即短样本分析方法。该方法以高频区段为诊断频带，以高频区段的冲击能量为特征参数，准确刻划故障冲击的分布情况，该方法具有清晰的分析结果和很高的信噪比。     

滚动轴承振动信号的微机采集和分析系统

本文以286微机为主体建立了振动信号采集和分析系统.系统由信号测量,数据采集,预处理和信号分析几部分组成,能实现幅值域,时域和频域分析.系统的软件有良好的人机界面,使用十分方便.该系统成功地应用于滚动轴承振动信号的采集和统计特性分析,还可以推广应用于其它机械振动信号的采集和分析.     

EMD的LabVIEW实现及其在滚动轴承故障信号分析中的应用

通过对图形化编程软件LabVIEW的二次开发实现了经验模态分解(EMD)算法,为利用LabVIEW构建振动信号分析系统提供了有利分析工具。根据滚动轴承故障产生机理和故障信号的振动特点,将此方法运用到对轴承故障信号的分解上,对分解出的高频本征模函数(IMF)做包络解调从而提取出故障信息,并通过对实际故障轴承数据的分析验证了此方法的有效性。